Statistika, Vol. 7 No.

2, 65 – 71
Nopember 2007

Nilai Kritis Permutasi Eksak untuk Anova

Satu Arah Kruskal-Wallis pada Kasus
Banyaknya Sampel, k = 4
Inne Marliani, Yayat Karyana, dan Aceng Komarudin Mutaqin
Jurusan Statistika FMIPA Unisba

Abstrak
Makalah ini membahas tentang nilai kritis permutasi eksak untuk ANOVA satu arah Kruskal-Wallis
untuk kasus dengan banyaknya sampel, k = 4, dengan batasan bahwa ukuran sampelnya
n1+n2+n3+n4<9. Nilai kritis permutasi eksak penentuan nilai kritisnya didasarkan pada distribusi
sampling eksak dari statistik uji Kruskal–Wallis (H), dimana penentuan distribusinya didasarkan
pada permutasi dari peringkat-peringkat pada setiap sampel.

Kata Kunci : ANOVA satu arah Kruskal-Wallis, permutasi, nilai kritis permutasi eksak

1. Pendahuluan
Hampir semua prosedur pengujian hipotesis yang dibicarakan sejauh ini didasarkan
pada asumsi bahwa sampel acaknya diambil dari populasi yang berdistribusi normal. Namun
ternyata pada prakteknya kadang-kadang asumsi tersebut tidak dapat terpenuhi sehingga
memerlukan prosedur pengujian yang lain yaitu metode statistika yang dikelompokan ke dalam
statistika nonparametrik. Metode statistika nonparametrik ini merupakan metode bebas
distribusi yang tidak mengasumsikan pengetahuan apapun mengenai distribusi populasinya
kecuali bahwa distribusi itu kontinu (Walpole, 1988). Dalam statistika nonparametrik, banyak
prosedur yang dapat dilakukan salah satunya adalah ANOVA satu arah Kruskal–Wallis yang
digunakan untuk menguji H0 bahwa beberapa sampel telah ditarik dari populasi-populasi
yang sama (Daniel, 1989). ANOVA satu arah Kruskal–Wallis ini menggunakan data dari tiga
sampel bebas atau lebih, yang dimaksud sampel bebas disini adalah tidak ada hubungan atau
kaitan di antara anggota-anggota sampel dan antara beberapa sampel yang diselidiki (Daniel,
1989). Selain itu juga ANOVA satu arah Kruskal–Wallis tidak memerlukan asumsi bahwa
sampel berasal dari populasi yang berdistribusi normal dan tidak mengasumsikan bahwa
populasinya mempunyai varians yang homogen (Odiase dan Ogbonmwan, 2005). ANOVA satu
arah Kruskal-Wallis sering digunakan dalam berbagai bidang, seperti bidang kesehatan
(Daniel, 1989), bidang pendidikan (Siegel, 1985) dan bidang industri (Walpole, 1988).
Kaidah pengambilan keputusan (decision rule) dapat dilakukan berdasarkan nilai kritis
atau nilai p (p-value). Nilai kritis (critical value) adalah nilai yang memisahkan daerah
penerimaan dan daerah kritis (Walpole dan Myers, 1995). Dalam beberapa tahapan analisis
statistika sudah merupakan kebiasaan memilih  sebesar 0.05 atau 0.01 dan kemudian
didapatkan nilai kritis, yang menentukan daerah penolakan atau penerimaan H 0 . Sedangkan
nilai-p (p-value) adalah peluang menolak H0 padahal H0 benar.
Secara umum untuk menentukan nilai kritis ada dua cara yang dapat digunakan dalam
ANOVA satu arah Kruskal–Wallis yaitu menggunakan cara pendekatan distribusi chi-kuadrat
dan dengan cara menggunakan distribusi sampling eksak dari statistik uji Kruskal–Wallis ( H ).
Penentuan nilai kritis dengan cara pendekatan kepada distribusi chi-kuadrat diterapkan jika
banyaknya sampel, k = 3, dan masing-masing ukuran sampelnya, ni 6, untuk i = 1, 2, 3 atau
banyaknya sampel, k > 3, dan ukuran sampelnya, ni5, untuk i = 1, 2, ..., k (Devore, 1982 dan
Rohatgi, 1984 dalam Odiase dan Ogbonmwan, 2005). Untuk ukuran sampel yang kecil, ni5,
untuk i = 1, 2, ..., k dan banyaknya sampel berapapun, pendekatan kepada distribusi chi-
kuadrat bukan merupakan pendekatan yang bagus (Odiase dan Ogbonmwan, 2005).

65
66 Inne Marliani, Yayat Karyana, dan Aceng Komarudin Mutaqin

Kruskal dan Wallis pada tahun 1952 (Gibbons, 1971) menyediakan nilai kritis permutasi
eksak untuk ANOVA satu arah Kruskal–Wallis untuk kasus ukuran sampel kurang dari atau
sama dengan 5. Sayangnya nilai kritis yang didasarkan pada distribusi sampling eksak dari
statistik uji Kruskal–Wallis (H) tersebut hanya berlaku untuk banyaknya sampel, k=3, dimana
penentuan distribusinya didasarkan pada permutasi dari peringkat-peringkat pada setiap
sampel.
Pada kenyataanya di lapangan, bisa terjadi banyaknya sampel lebih dari 3. Maka dari itu
dibutuhkan nilai kritis permutasi eksak untuk ANOVA satu arah Kruskal–Wallis dengan kasus
banyaknya sampel, k = 4, dan ukuran sampelnya, ni5, untuk i = 1, 2, 3, 4. Tujuan dari
makalah ini adalah untuk menentukan nilai kritis permutasi eksak dari ANOVA satu arah
Kruskal–Wallis untuk kasus banyaknya sampel, k = 4, dan ukuran sampelnya, ni5, untuk i =
1, 2, 3, 4, namun dengan batasan ukuran sampelnya, n1+n2+n3+n4<9.

2. ANOVA Satu Arah Kruskal-Wallis

ANOVA satu arah Kruskal-Wallis adalah teknik nonparametrik yang digunakan untuk
menguji H0 yang menyatakan bahwa beberapa sampel telah ditarik dari populasi-populasi
yang sama atau identik (Daniel, 1989). ANOVA satu arah Kruskal–Wallis ini menggunakan data
dari tiga sampel bebas atau lebih. Adapun asumsi-asumsi pada ANOVA satu arah Kruskal–
Wallis adalah sebagai berikut:
1. Data untuk analisis terdiri atas k sampel acak berukuran n1 , n2 ,..., nk
2. Pengamatan-pengamatan bebas baik di dalam maupun diantara sampel-sampel
3. Variabel yang diminati kontinu
4. Skala yang digunakan setidaknya ordinal
5. Populasi-populasi identik kecuali dalam hal lokasi yang mungkin berbeda untuk
sekurang-kurangnya satu populasi
Selain itu juga ANOVA satu arah Kruskal–Wallis tidak memerlukan asumsi bahwa
sampel berasal dari populasi yang berdistribusi normal dan tidak mengasumsikan bahwa
populasinya mempunyai varians yang homogen (Odiase dan Ogbonmwan, 2005).
Hipotesis yang digunakan dalam ANOVA satu arah Kruskal–Wallis adalah sebagai berikut.
H 0 : F1 ( X )  F2 ( X )  ...  Fk ( X )
H1 : Sekurang-kurangnya ada satu tanda = tidak berlaku
Misalkan diambil k sampel bebas X i1 , X i 2 ,..., X in Fi ( X ) i  1, 2,..., k
i
k
Ukuran sampel keseluruhan adalah : N   ni
i 1
Berikut ini adalah struktur data untuk ANOVA satu arah Kruskal–Wallis

Tabel 1. Struktur Data untuk ANOVA satu arah Kruskal–Wallis

Sampel
1 2 3 … K
x11 x21 x31 … xk1
x12 x22 x32 … xk 2
x13 x23 x33 … xk 3
   … 
x1n1 x2n2 x3n3 …
xknk

Gantikan masing-masing nilai pengamatan yang asli dengan peringkatnya yang relatif
terhadap semua nilai pengamatan dalam k sampel. Peringkat 1 berikan kepada nilai yang
paling kecil, peringkat 2 berikan kepada yang berikutnya dan seterusnya sampai ke nilai yang

Statistika, Vol. 7, No. 2, Nopember 2007

 Nilai Kritis Permutasi Eksak untuk ANOVA Satu Arah Kruskal-Wallis 67
pada Kasus Banyaknya Sampel, k = 4

paling besar diberi peringkat N . Jumlah peringkat dari data pengamatan pada sampel ke-i
dinyatakan oleh Ri . Berikut ini adalah struktur peringkat data untuk ANOVA satu arah
Kruskal–Wallis dimana peringkat dari data pengamatan pada tabel di bawah ini dinyatakan
oleh r.

Tabel 2. Struktur Peringkat Data untuk ANOVA satu arah Kruskal–Wallis

Sampel
1 2 3 … k
r11 r21 r31 … rk1
r12 r22 r32 … rk 2
r13 r23 r33 … rk 3
   … 
r1n1 r2n2 r3n3 …
rknk
Jumlah
Peringkat
R1 R2 R3 … Rk

Berikut adalah statistik uji untuk ANOVA satu arah Kruskal–Wallis:

12 k
Ri2
H   3( N  1)
N ( N  1) i 1 ni
(1)

dimana
H : Statistik uji untuk ANOVA satu arah Kruskal–Wallis
N : Ukuran sampel keseluruhan
Ri : Jumlah peringkat dari data pengamatan pada sampel ke-i
k : Banyaknya sampel
ni : Ukuran sampel ke-i
Statistik uji di atas merupakan statistik uji ANOVA satu arah Kruskal–Wallis untuk data
pengamatan yang tidak ada data kembar. Kriteria uji untuk Uji Kruskal-Wallis adalah tolak
H0 ketika H  c. Selanjutnya nilai c harus dipilih sedemikian sehingga pengujian
mempunyai taraf arti . Dengan demikian nilai c merupakan nilai kritis dari distribusi
statistik uji Kruskal–Wallis ( H ) ketika H0 benar (Odiase dan Ogbonmwan, 2005).

3. Penentuan Nilai Kritis Permutasi Eksak

Disebut eksak karena penentuan nilai kritisnya didasarkan pada distribusi sampling dari
statistik uji Kruskal–Wallis ( H ), yang dimana penentuan distribusinya didasarkan pada
permutasi dari peringkat-peringkat pada setiap sampel. Permutasi adalah suatu susunan yang
dapat dibentuk dari suatu kumpulan benda yang diambil sebagian atau seluruhnya (Walpole
dan Myers, 1995). Untuk menentukan nilai kritis permutasi eksak dapat dilakukan prosedur
sebagai berikut:
1. Misalkan terdapat k buah sampel dengan ukuran sampelnya masing-masing adalah
n1 , n2 ,..., nk .
2. Buatlah M buah susunan peringkat yang mungkin untuk seluruh data pengamatan
pada k buah sampel (Catatan : data pengamatannya tidak ada yang kembar), dimana
N!
M= (2)
n1 !n2 ! ...nk !

Statistika, Vol. 7, No. 2, Nopember 2007

68 Inne Marliani, Yayat Karyana, dan Aceng Komarudin Mutaqin

3. Hitung statistik uji Kruskal-Wallis, H , untuk seluruh M buah susunan peringkat yang
mungkin. Jadi berdasarkan langkah ini akan diperoleh M buah statistik uji Kruskal-
Wallis yaitu H1 , H 2 ,..., H M .
4. Bentuk tabel distribusi frekuensi dan nilai peluangnya untuk M buah statistik uji
Kruskal-Wallis di atas.
5. Hitung nilai peluang untuk setiap nilai statistik uji Kruskal-Wallis yang berbeda yang
ada pada tabel distribusi frekuensi di atas, dengan menggunakan rumus berikut ini :
fl
pl  ; untuk l  1, 2,..., t (3)
M
dimana
pl : Nilai peluang untuk statistik uji Kruskal-Wallis urutan ke-l
yang ada pada tabel distribusi frekuensi.
fl : Frekuensi banyaknya nilai statistik uji Kruskal-Wallis ke-l
yang ada pada tabel distribusi frekuensi.
t : Banyaknya nilai statistik uji Kruskal-Wallis yang berbeda
yang ada pada tabel distribusi frekuensi.
6. Nilai kritis permutasi eksak yang berukuran  (taraf arti) dapat dihitung berdasarkan
rumus berikut:
1  p ( H  H (l ) )  1  ( p1  ...  pl 1 )   ; untuk l  2,..., t (4)

dimana H (l ) adalah nilai kritis permutasi eksak untuk ANOVA satu-arah Kruskal-
Wallis, yaitu nilai statistik uji Kruskal-Wallis urutan ke-l yang ada pada tabel distribusi
frekuensi.

4. Perhitungan Nilai Kritis Permutasi Eksak untuk ANOVA Satu Arah Kruskal-Wallis
Dalam menentukan nilai kritis permutasi eksak untuk ANOVA satu arah Kruskal-
Wallis, terlebih dahulu harus diketahui nilai statistik uji Kruskal-Wallis dan nilai peluangnya.
Dengan menggunakan bantuan program yang dioperasikan pada perangkat lunak Matlab
diperoleh nilai statistik uji Kruskal-Wallis dan nilai peluang untuk kasus banyaknya sampel, k
= 4, dengan batasan ukuran sampel n1+n2+n3+n4<9.
Dari distribusi frekuensi statistik uji Kruskal-Wallis dapat dibuat ringkasan nilai kritis
permutasi eksak untuk ANOVA satu arah Kruskal-Wallis dan nilai  (taraf arti) untuk k = 4,
dengan batasan ukuran sampel n1+n2+n3+n4<9 yang kemudian disajikan dalam tabel berikut
ini.

Tabel 3. Nilai Kritis Permutasi Eksak

Ukuran
sampel Nilai kritis 
(Statistik Uji) (p-value)
n1 n2 n3 n4
2 1 1 1 3.8000 0.4000
2 2 1 1 4.2857 0.2667
4.7143 0.1333
3 1 1 1 4.4286 0.2000
2 2 2 1 4.1786 0.2762
4.5000 0.2571
4.7143 0.2000
4.8214 0.1810
5.0357 0.1238

Statistika, Vol. 7, No. 2, Nopember 2007

Nilai Kritis Permutasi Eksak untuk ANOVA Satu Arah Kruskal-Wallis 69
pada Kasus Banyaknya Sampel, k = 4

Ukuran
sampel Nilai kritis 
(Statistik Uji) (p-value)
n1 n2 n3 n4
5.3571 0.0667
5.6786 0.0381

3 2 1 1 4.0357 0.2476
4.1786 0.2095
4.5714 0.2000
4.5714 0.1667
4.6071 0.1524
4.8929 0.1429
4.8929 0.1000
5.1429 0.0857
5.4643 0.0571
4 1 1 1 4.1250 0.2857
4.9286 0.1143
2 2 2 2 4.5000 0.2667
4.6667 0.2095
4.8333 0.1714
5.1667 0.1619
5.3333 0.1238
5.5000 0.1143
5.6667 0.0762
6.0000 0.0667
6.1667 0.0381
6.6667 0.0095
3 2 2 1 4.0556 0.2857
4.1389 0.2738
4.1389 0.2655
4.2222 0.2619
4.2222 0.2583
4.2500 0.2548
4.4722 0.2333
4.4722 0.2238
4.5000 0.2167
4.5556 0.2024
4.5556 0.1976
4.5833 0.1952

Statistika, Vol. 7, No. 2, Nopember 2007

70 Inne Marliani, Yayat Karyana, dan Aceng Komarudin Mutaqin

Ukuran
sampel Nilai kritis 
(Statistik Uji) (p-value)
n1 n2 n3 n4
4.7222 0.1905
4.7222 0.1815
4.8056 0.1738
4.8056 0.1685
5.0000 0.1643
5.1389 0.1548
5.1667 0.1357
5.2500 0.1333
5.3889 0.1095
5.5556 0.0714
5.5556 0.0655
5.5833 0.0619
5.8056 0.0571
5.8056 0.0506
5.8333 0.0429
6.0000 0.0357
6.0556 0.0286
6.0556 0.0250
6.2500 0.0214
6.5000 0.0143
3 3 1 1 3.8889 0.2964
4.1111 0.2893
4.1111 0.2214
4.2222 0.2036
4.2222 0.2000
4.3333 0.1964
4.7778 0.1607
4.7778 0.1357
4.8889 0.1250
4.8889 0.1179
5.2222 0.1107
5.2222 0.1036
5.3333 0.0964
5.4444 0.0893
5.8889 0.0643

Statistika, Vol. 7, No. 2, Nopember 2007

 Nilai Kritis Permutasi Eksak untuk ANOVA Satu Arah Kruskal-Wallis 71
pada Kasus Banyaknya Sampel, k = 4

Ukuran
sampel Nilai kritis 
(Statistik Uji) (p-value)
n1 n2 n3 n4
6.3333 0.0214
4 2 2 1 3.9167 0.2976
4.0000 0.2833
4.0833 0.2738
4.2083 0.2429
4.3333 0.2000
4.4583 0.1905
4.5000 0.1810
4.5833 0.1714
4.7500 0.1333
4.7917 0.1286
5.0000 0.1190
5.2083 0.1143
5.2500 0.0905
5.4167 0.0762
5.4583 0.0714
5.8333 0.0429
6.0833 0.0286
5 1 1 1 4.1333 0.2857
4.5333 0.1786
5.3333 0.0714

5. Daftar Pustaka
Daniel, W. W. 1989, Statistik Nonparametrik Terapan, Jakarta: PT Gramedia.
Gibbons, J. D. 1971, Nonparametric Statistical Inference, Tokyo: Mc. Graw-Hill.
Odiase, J. I. dan Ogbonmwan, S. M. (2005). Exact Permutation Critical Values for the Kruskal-Wallis
One-way ANOVA. Journal Of Modern Applied Statistical Methods, 4, 609-620.
Siegel, S. 1985, Statistika Nonparametrik untuk Ilmu-ilmu Sosial, Jakarta: PT Gramedia.
Walpole, R. E. 1988, Pengantar Statistika, Jakarta: PT Gramedia.
Walpole, R. E. dan Myers, R. H. 1995, Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuan,
Bandung: Penerbit ITB.

Statistika, Vol. 7, No. 2, Nopember 2007